场景：内容分级审核

问题：UGC 平台要对每条内容做风险分级；RAG 应用要判断每段检索结果是否该进入回答模型。用大模型逐条审太贵，纯关键词漏判太多。

Jev 的角色：用 Score 按有序等级打分，分数直接映射到审核动作。等级即动作，是官方 Cookbook 反复出现的模式。

模式一：UGC 风险分级

{
  "type": "score",
  "instructions": "这条内容的风险等级",
  "criteria": [
    "正常内容",
    "擦边，需要人工看一眼",
    "明显违规，直接下线"
  ]
}

代码端零歧义：score < 0.5 放行、< 1.5 进复审队列、否则下线并记录 probabilities 供申诉核对。与关键词方案不同，等级描述可以随政策更新，不用重训任何东西。

模式二：RAG 段落过滤

官方 Cookbook（经 llms.txt 索引核验）：对每段检索结果问一组并行问题，再由代码决定哪些段落进入回答模型——

• 保留并标记与问题矛盾的段落（回答模型需要知道矛盾）
• 丢弃携带隐藏指令/提示注入的段落
• 对无关段落直接丢弃

一次请求批量处理整页段落（并行提问），这是成本最优的形态。

模式三：引用校验

官方 Cookbook：让回答模型引用原文时，用一个 Choice 判断“引文的上下文是否支持该论断”，confidence 不足则把这条引用标记人工复核——专治幻觉引用。

与传统方案的对比（本站归纳）

方案	成本	一致性	可解释
关键词/正则	极低	死板，易绕过	规则即解释
LLM 逐条审	高	随 prompt 漂移	要读生成文本
Jev Score	低	等级固定	probabilities + legend

注意事项（本站建议）

• 等级描述是政策文档，值得像写法务条款一样推敲；2–10 级里通常 3–4 级最好运营
• 上线前用历史标注数据跑一遍，校验 score 与人工标注的一致率，再定阈值
• 分级是“放行/复审/下线”的输入，不是终点；保留完整日志（含 confidence）应对申诉

延伸：官方层级分类 Cookbook 演示了在专利/零售/生医/源代码深层类目树上的并行束搜索。回到场景总览，或看工具审批。